Google DeepMind heeft geweldige toepassingen: het kan afbeeldingen maken, ziektes vaststellen en het heeft zichzelf zelfs leren lopen. Maar een nieuwe, bijzondere toepassing is weer voorspellen. Dat schijnt de AI beter te kunnen dan het beste meteorologische instituut van Europa.
Lees verder na de advertentie.
DeepMind
Machine learning-algoritmes hebben op basis van vele decennia aan weerdata veel beter het weer kunnen voorspellen dan het beste weercentrum van Europa: het kon het maar liefst 90 procent meer accuraat voorspellen. De software heet GraphCast en kon al vele dagen voordat bijvoorbeeld orkaan Lee over land raasde, al zien dat het eraan kwam. Veel eerder dan grote, meteorologische instituten. In Science schrijven onderzoekers van DeepMind over hoe het bij 90 procent van de meer dan 1.000 atmosferische weersverwachtingen zoals luchtvochtigheid en temperatuur beter was in de voorspelling dan het European Centre for Medium-Range Weather Forecasting. En daar had het ook nog eens minder dan een minuut voor nodig op een gewoon laptopje, in plaats van dat er allerhande supercomputers aan bod hoeven te komen.
Dat komt onder andere omdat AI heel anders te werk gaat. Normaal worden weersvoorspellingen gedaan op basis van het imiteren van hoe de atmosfeer werkt. Het wordt steeds beter, dankzij wiskunde en de komst van steeds meer sensoren en satellieten. Het kan soms uren duren om dit soort voorspellingen te draaien op een computer, waardoor het luisteren naar AI dat het niet alleen sneller, maar ook beter voorspelt heel logisch lijkt. Zeker als het op een gewone computer kan. Je kunt dus beter kijken naar wat zich de afgelopen 39 jaar allemaal afspeelde, dan uit te gaan van een soort reconstructies. En ja, die toevoeging van kunstmatige intelligentie lijmt al die data van al die jaren als het ware allemaal aan elkaar.
Weersvoorspellingen door AI
Men hoopt dat DeepMind vooral in het geval van extreme hitte of orkanen snel kan helpen om mensen te waarschuwen. Zo kunnen ze zich eerder voorbereiden op bijvoorbeeld een evacuatie. GraphCast wordt dan ook door Google vast bestudeerd en gelinkt aan andere software waarmee het zou kunnen werken, zoals het het tonen van de weersvoorspellingen op Android-telefoons. En het Europese centrum voor Medium-Range Weather Forecasting, dat is van plan om meer AI toe te passen bij hun voorspellingen. Het heeft al iets in de maak, maar zou dat net zo goed of zelfs beter zijn dan DeepMind?
Het is indrukwekkend wat deze AI van Google allemaal kan. Het is een soort lab waarin steeds verschillende markten worden aangeboord en verbeterd met kunstmatige intelligentie. Het blijft alleen wel oppassen: niet alle markten zijn even veilig voor AI. Maar die van weersvoorspellingen, die wordt er zo te zien juist veiliger door.
Wat denk jij, zijn weersvoorspellingen met AI te vertrouwen? Laat het nu achter in de reacties bij dit artikel.
Reacties
Inloggen of registreren
om een reactie achter te laten
Hoe gaat Google hier geld uit kloppen? Persbureaus die er voor willen betalen?
Veel bedrijven hebben er baat bij, die zullen er dus voor willen betalen.
Mocht ik het kmi of het knmi etc. zijn, ik zou samenwerken ipv. op je eigen eilandje blijven zitten en je eigen systemen uitbouwen. Hoe meer data je samenlegt en vergelijkt, hoe beter. Hadden ze b.v. in West-Vlaanderen sneller gereageerd dan had de wateroverlast er misschien minder erg kunnen zijn: de regen zelf kan je niet verhinderen te vallen, maar je kan proberen erop te anticiperen. Idem voor de watersnood in de zomer van 2021: te laat reageren of te weinig preventieve maatregelen nemen, veroorzaakt meer rampen etc. Als a.I daarbij kan helpen, waarom die dan niet ontwikkelen en zo accuraat mogelijk maken om deze zo in te zetten dat je problemen kan ondervangen? Werk dus samen, deel kennis, monopoliseer die niet.
Da is nu juist het punt. AI voorspelt onmiddellijk wat er gaat gebeuren. KMI, KNMI, Météo France,… moeten eerst gaan observeren wat er nu gebeurt en daarop later ze hun modellen op los die een aantal uren nodig hebben om dan een aantal scenario’s te krijgen die allemaal net iets anders zijn en die bij elke wijziging (windsnelheid/-richting,…) eigenlijk opnieuw zou moeten worden berekend. Op de klassieke manier zal da nooit niet lukken.
Bijzonder interessant, er zit dus meer logica/herhaling achter dan dat we denken